CN110101407A - 一种胎心音去噪方法、系统、装置及存储介质 - Google Patents
一种胎心音去噪方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN110101407A CN110101407A CN201910302397.2A CN201910302397A CN110101407A CN 110101407 A CN110101407 A CN 110101407A CN 201910302397 A CN201910302397 A CN 201910302397A CN 110101407 A CN110101407 A CN 110101407A
- Authority
- CN
- China
- Prior art keywords
- signal
- fetal heart
- heart sound
- frequency
- original component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种胎心音去噪方法、系统、装置及存储介质,包括步骤:将获取的胎心音音频信号转换成数字信号的重构矩阵,对重构矩阵进行奇异值分解并反演计算每个奇异值对应的原始分量信号,根据所述原始分量信号的频域信号特征,选取出频域信号特征与所述胎心音音频信号的频域信号特征一致的原始分量信号,叠加选取出的原始分量信号后获得胎心音降噪信号。本发明将奇异值的选择变换到频域,通过比较分量信号与胎心音音频信号的频率特征的一致性进行选择,对比分析奇异值对应分量信号的频域信号特征与胎心音音频信号的频率特征的关联性进行选择,更符合实际应用,从而获得更准确的降噪信号。本发明可广泛应用于胎心音处理技术领域。
Description
技术领域
本发明涉及胎心音处理技术,尤其涉及一种胎心音去噪方法、系统、装置及存储介质。
背景技术
胎心音即胎儿的心跳声,在怀孕18—20周经孕妇腹部可听到胎儿心音。胎心音对于监测胎儿的健康状况具有重要作用。但是通过孕妇腹部听到的声音包括胎儿心跳声音,肠鸣音,母亲的心跳音,胎动时的羊水声音以及妈妈说话的声音等等,其中,肠鸣音,羊水声音以及妈妈的说话声音均属于随机的声音,没有任何规律的频率。如何去除胎心音中的噪音,便于后续胎心率计算和监测胎儿健康状况,是胎心音预处理的必备工作。
近年来,奇异值分解(SVD)在心电信号处理领域得到了广泛应用,主要用于信号降噪及特征成分提取。然而,现有方法尚存在重构时如何选取有效奇异值个数的问题,到目前为止一直没有一种直接有效的方法给与解决。通常在SVD应用研究中,没有将关注聚焦于此,往往关注的都是奇异值分布曲线,从q个奇异值中选取前r个大奇异值,其它的奇异值置为0进行重构计算得到降噪后的信号。然而因为在提取胎心音时,胎心音往往是和噪音混合在一起,主次往往难以区分,这种方案应用于胎心音的降噪处理中,提取的胎心音信号一般不准确。
发明内容
有鉴于此,本发明实施例的目的是提供一种胎心音去噪方法、系统、装置及存储介质,通过奇异值的优化选择,达到提高胎心音去噪准确度的目的。
第一方面,本发明实施例提供了一种胎心音去噪方法,包括:
将获取的胎心音音频信号转换成数字信号的重构矩阵;
对所述重构矩阵进行奇异值分解后得到若干个奇异值,反演计算若干个奇异值对应的原始分量信号;
根据若干个所述原始分量信号的频域信号特征,选取出频域信号特征与所述胎心音音频信号的频域信号特征一致的原始分量信号,叠加选取出的原始分量信号后获得胎心音降噪信号。
进一步地,所述将获取的胎心音音频信号转换成数字信号的重构矩阵,包括步骤:
获取胎心音音频信号;
根据所述音频信号获取所述数字信号;
根据所述数字信号构建m×n的重构矩阵,其中,m和n均为大于等于2的整数。
进一步地,所述对所述重构矩阵进行奇异值分解后得到若干个奇异值,反演计算若干个奇异值对应的原始分量信号这一步骤,其包括:
对重构矩阵进行奇异值分解后,得到若干个奇异值;
依次保留奇异值分布矩阵中的一个奇异值后,将剩余奇异值置零,反演计算不为零奇异值的原始分量信号。
进一步地,所述根据若干个所述原始分量信号的频域信号特征,选取出频域信号特征与所述胎心音音频信号的频域信号特征一致的原始分量信号,叠加选取出的原始分量信号后获得胎心音降噪信号,包括步骤:
对若干个所述原始分量信号进行傅里叶变换处理后获取所述原始分量信号的频域信号;
对所述胎心音音频信号进行傅里叶变换处理后获取所述胎心音音频信号的频域信号;
从若干个所述原始信号分量的频域信号中选取频域信号与所述胎心音音频信号的频域信号的特征一致的原始分量信号;
将选取出的所述特征一致的原始分量信号叠加获得胎心音降噪信号。
进一步地,所述方法还包括步骤:
当选取出的所述特征一致的原始分量信号中包括频域不一致成分,将所述特征一致的原始分量信号作为新的胎心音音频信号,返回重新执行所述将获取的胎心音音频信号转换成数字信号的重构矩阵这一步骤,直到去掉频域不一致成分为止。
第二方面,本发明实施例提供了一种胎心音去噪系统,包括:
矩阵构建模块,用于将获取的胎心音音频信号转换成数字信号的重构矩阵;
计算模块,用于对所述重构矩阵进行奇异值分解后得到若干个奇异值,反演计算若干个奇异值对应的原始分量信号;
获取模块,用于根据若干个所述原始分量信号的频域信号特征,选取出频域信号特征与所述胎心音音频信号的频域信号特征一致的原始分量信号,叠加选取出的原始分量信号获得胎心音降噪信号。
进一步地,所述获取模块包括:
第一获取单元,用于对若干个所述原始分量信号进行傅里叶变换获取所述原始分量信号的频域信号;
第二获取单元,用于对所述胎心音音频信号进行傅里叶变换获取所述音频信号的频域信号;
提取单元,用于从若干个所述原始信号分量的频域信号中选取频域信号与所述音频信号的频域信号的特征一致的原始分量信号;
叠加单元,用于将选取出的所述特征一致的原始分量信号叠加获得胎心音降噪信号。
第三方面,本发明实施例提供了一种胎心音去噪装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述所述一种胎心音去噪方法。
第四方面,本发明实施例提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行上述所述一种胎心音去噪方法。
第五方面,本发明实施例提供了一种胎心音去噪系统,包括胎心音采集设备以及与所述胎心音采集设备连接的计算机设备;其中,
所述胎心音采集设备,用于对采集胎心音文件;
所述计算机设备包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述所述一种胎心音去噪方法。
相比于现有技术,本发明实施例具有如下有益效果:本发明实施例提供的一种胎心音去噪方法,将胎心音的音频信号转换成数字信号的重构矩阵,对重构矩阵求奇异值,根据奇异值反演计算原始分量信号,根据原始分量信号的频域信号特征,选取出频域信号特征与胎心音音频信号的频域信号特征一致的原始分量信号,叠加选取出的特征一致的原始分量信号后获得胎心音降噪信号。可见,本发明实施例是通过先将奇异值反演计算出原始分量信号,再变换到频域后,选取与胎心音音频信号频率特征一致的成分,叠加获取降噪信号,即将奇异值的选择变换到频域,通过比较分量信号与胎心音音频信号的频率特征的一致性进行选择,这样能够对比分析奇异值对应分量信号的频域信号特征与胎心音音频信号的频率特征的关联性进行选择,相比选取某些大奇异值计算降噪信号更符合实际应用,从而获得更为准确的胎心音降噪信号。
附图说明
图1是本发明实施例一种胎心音去噪方法的一具体实施例步骤流程示意图;
图2是本发明实施例一种胎心音去噪方法的具体实施例的信号图;
图3是本发明实施例一种胎心音去噪方法的具体实施例的第一信号分量图;
图4是本发明实施例一种胎心音去噪方法的具体实施例的第二信号分量图;
图5是本发明实施例一种胎心音去噪方法的具体实施例的第三信号分量图;
图6是本发明实施例一种胎心音去噪系统的一具体实施例结构框图;
图7是本发明实施例一种胎心音去噪装置的一具体实施例结构框图;
图8是本发明实施例一种胎心音去噪系统的另一具体实施例结构框图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
如图1所示,本发明实施例提供了一种胎心音去噪方法,其包括的步骤如下所示。
S1、将获取的胎心音音频信号转换成数字信号的重构矩阵。
S2、对所述重构矩阵进行奇异值分解后得到若干个奇异值,反演计算若干个奇异值对应的原始分量信号。
S3、根据若干个所述原始分量信号的频域信号特征,选取出频域信号特征与所述胎心音音频信号的频域信号特征一致的原始分量信号,叠加选取出的原始分量信号后获得胎心音降噪信号。
具体地,胎心音文件为wav文件,数字信号为一维时间序列,将胎心音的音频信号转换成数字信号的重构矩阵,对重构矩阵求奇异值,根据奇异值反演计算原始分量信号,根据原始分量信号的频域信号特征,选取出频域信号特征与胎心音音频信号的频域信号特征一致的原始分量信号,叠加选取出的特征一致的原始分量信号后获得胎心音降噪信号;通过先将奇异值反演计算出原始分量信号,再变换到频域后,选取与胎心音音频信号频率特征一致的成分,叠加获取降噪信号,即将奇异值的选择变换到频域,通过比较分量信号与胎心音音频信号的频率特征的一致性进行选择,这样能够对比分析奇异值对应分量信号的频域信号特征与胎心音音频信号的频率特征的关联性进行选择,相比选取某些大奇异值计算降噪信号更符合实际应用,从而获得准确的胎心音降噪信号。
步骤S1、将获取的胎心音音频信号转换成数字信号的重构矩阵,具体过程包括以下步骤:
S11、获取胎心音音频信号;
S12、根据所述胎心音音频信号采样转成成数字信号;
S13、根据所述数字信号构建m×n的重构矩阵,其中,m和n均为大于等于2的整数。其中,m为重构矩阵的行数,n为重构矩阵的列数。
具体实施例中,读取wav胎心音文件,将音频信号间隔一定时间采样转换成对一维数字信号X=(x(1),x(2),…,x(N)),取两个正整数m和n,对获得的一维数字信号按每次n个点连续截取m段,构造一个m行n列的矩阵A如下:
其中,m≥2,n≥2,且n=int(N/m),列数n为一维数字信号总数N除以行数m的取整整数,在本实施例中取m=20。
将胎心音音频采样转换成数字信号,再将数字信号构造成矩阵,矩阵的行数和列数可以根据具体需求设置,矩阵计算更方便、快捷。
步骤S2、对所述重构矩阵进行奇异值分解后得到若干个奇异值,反演计算若干个奇异值对应的原始分量信号,具体包括以下步骤:
S21、对重构矩阵进行奇异值分解后,得到若干个奇异值。
S22、依次保留奇异值分布矩阵中的一个奇异值,剩余奇异值置零,反演计算不为零奇异值的原始分量信号。
具体地,根据奇异值分解方法对重构矩阵A分解,求出全部奇异值σi,σi表示第i个奇异值,i=1,2,…,m。以m=20为例,重构矩阵A的奇异值分布S=diag(σ1,σ2,…,σ20),依次保留一个的奇异值σi,将除σi以外的奇异值(即为所述的剩余奇异值)全部置零,具体如下:
其中,S为重构矩阵A经过奇异值分解后得到的对角矩阵;σ1,σ2,…,σ20为获得的全部奇异值;S′i为保留第i个奇异值,剩余奇异值置零的对角矩阵。由Ai=UΛiVT计算得到第i个奇异值的构造矩阵Ai,再由Ai及矩阵构造方法的反演计算即可得到第i个原始分量信号Xi;按照i=1,2,...,20的顺序依次计算,原始信号X可表示为20个分量的和:X=X1+X2+…+X20,其中,可以用原始信号表示胎心音音频信号。
通过对矩阵的奇异值分解计算奇异值,并通过奇异值反演计算原始分量信号,奇异值分解将矩阵每行的数据转换成一个有效数据,即将原始数字信号分解成与矩阵行数相同的若干个信号,减少计算量。
步骤S3、根据若干个所述原始分量信号的频域信号特征,选取出频域信号特征与所述胎心音音频信号的频域信号特征一致的原始分量信号,叠加选取出的原始分量信号后获得胎心音降噪信号,具体包括以下步骤:
S31、对若干个所述原始分量信号进行傅里叶变换处理后获取所述原始分量信号的频域信号;
S32、对所述胎心音音频信号进行傅里叶变换处理后获取所述胎心音音频信号的频域信号;
S33、从若干个所述原始信号分量的频域信号中选取频域信号与所述胎心音音频信号的频域信号的特征一致的原始分量信号;
S34、将选取出的所述特征一致的原始分量信号叠加获得胎心音降噪信号。
具体地,将胎心音音频信号及各原始信号分量(X1,X2,…,X20)通过傅里叶变换获取对应频域信号。若Xi中含有与胎心音音频信号频率特征一致的成分,将其保留设为Ej,将其叠加作为降噪后的信号X′;
X′=E1+E3+…+Ej,j<i
采用傅里叶变换将时域信号转换成频域信号,在频域信号中比较选取特征相同成分,再叠加获取降噪信号,相比选取某些大奇异值计算降噪信号更符合实际应用,从而获得准确的胎心音降噪信号。
在可选的实施例中,还包括以下步骤:
S4、当选取出的所述特征一致的原始分量信号中包括频域不一致成分,也就是说,若Ej(j=1,2,…j)的频域包含与胎心音音频信号的频域特征不一致成分,将所述特征一致的原始分量信号作为新的胎心音音频信号后重新执行上述的胎心音去噪方法获得胎心音降噪信号,将Ej作为新的胎心音信号,重新重构矩阵、计算原始分量信号及选取频域特征一致的原始分量信号叠加获取降噪信号,直到去掉频域不一致成分。其中,频域不一致成分指原始分量信号的频域和原始信号的频域不一致成分。经过实验验证,一般情况下经过三次的循环过滤就能剔除与原始信号频域特征不一致成分。如此将特征成分中不一致成分尽量减少到最少,进一步提高降噪的效果。
下面结合具体实例对本发明作进一步的说明,以公开MIT-BIH数据库中的ShirazUniversity Fetal Heart Sounds数据库中的f100.wav音频文件作为实例信号分析。该音频信号是双声道,需要分析双声道的数据,下面以1声道为例进行分析。采样频率=16000,采样点数=1531200,以实验值m=20来构造重构矩阵,构造成20行76560列的重构矩阵,然后对重构矩阵进行奇异值分解获取全部奇异值,反演计算每个奇异值对应的原始分量信号,通过傅里叶变换获取胎心音音频信号及各原始分量信号的频域信号。如图2所示为1声道的胎心音音频信号的时域信号和频域信号。通过与1声道胎心音音频信号的信号频率特征比对分析,发现第13个、第15个及第20个特征值反演计算的原始分量信号通过傅里叶变换后的频域信号与1声道胎心音音频信号的频域特征一致,分别如图3所示(第13个原始分量信号)、如图4所示(第15个原始分量信号)及如图5所示(第20个原始分量信号)。因此将第13个,第15个及第20个的时域信号叠加获取1声道的去噪信号。
同理,对于2声道的音频数据进行同样的分析后,得出也是采取第13个,第15个及第20个奇异值进行反演计算的原始分量信号的频域特征与2声道音频信号的频域特征一致,然后叠加得到处理后的2声道去噪音频信号。最后再对获得的1声道和2声道去噪信号相加得到了去噪后的胎心音去噪音频信号。
由此可见,本发明实施例提供的胎心音去噪方法,将胎心音的音频信号转换成数字信号的重构矩阵,对重构矩阵求奇异值,根据奇异值反演计算原始分量信号,根据原始分量信号的频域信号特征,选取出频域信号特征与胎心音音频信号的频域信号特征一致的原始分量信号,叠加选取出的特征一致的原始分量信号后获得胎心音降噪信号;通过先将奇异值反演计算出原始分量信号,再变换到频域后,选取与胎心音音频信号频率特征一致的成分,叠加获取降噪信号,即将奇异值的选择变换到频域,通过比较分量信号与胎心音音频信号的频率特征的一致性进行选择,这样能够对比分析奇异值对应分量信号的频域信号特征与胎心音音频信号的频率特征的关联性进行选择,相比选取某些大奇异值计算降噪信号更符合实际应用,从而获得准确的胎心音降噪信号。
如图6所示,本发明实施例还提供的一种胎心音去噪系统,包括:
矩阵构建模块,用于将获取的胎心音音频信号转换成数字信号的重构矩阵;
计算模块,用于对所述重构矩阵进行奇异值分解后得到若干个奇异值,反演计算若干个奇异值对应的原始分量信号;
获取模块,用于根据若干个所述原始分量信号的频域信号特征,选取出与所述胎心音音频信号的频域信号特征一致的原始分量信号,叠加选取出的原始分量信号获得胎心音降噪信号。
进一步地,所述矩阵构建模块包括:
信号获取单元,用于获取胎心音音频信号;
信号转换单元,用于根据所述音频信号获取所述数字信号;
构建单元,用于根据所述数字信号构建m×n的重构矩阵,其中,m和n均为大于等于2的整数。
进一步地,所述计算模块包括:
奇异值计算单元,用于对重构矩阵进行奇异值分解后,得到若干个奇异值。
分量信号计算单元,用于依次保留奇异值分布矩阵中的一个奇异值,剩余奇异值置零,反演计算不为零奇异值的原始分量信号。
进一步地,所述获取模块包括:
第一获取单元,用于对若干个所述原始分量信号进行傅里叶变换获取所述原始分量信号的频域信号;
第二获取单元,用于对所述胎心音音频信号进行傅里叶变换获取所述音频信号的频域信号;
提取单元,用于从若干个所述原始信号分量的频域信号中选取与所述音频信号的频域信号的特征一致的原始分量信号;
叠加单元,用于将选取出的所述特征一致的原始分量信号叠加获得胎心音降噪信号。
可见,上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
如图7所示,本发明实施例还提供了一种胎心音去噪装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述方法实施例所述的胎心音方法步骤。
可见,上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
此外,本发明实施例还提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行上述方法实施例所述的胎心音去噪方法步骤。同样地,上述方法实施例中的内容均适用于本存储介质实施例中,本存储介质实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
如图8所示,本发明实施例还提供了一种胎心音去噪系统,包括胎心音采集设备以及与所述胎心音采集设备连接的计算机设备;其中,
所述胎心音采集设备,用于对胎心音进行采集;
所述计算机设备包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述方法实施例所述的胎心音去噪方法步骤。
具体地,对于所述胎心音采集设备,其主要通过采集模块来实现,并且其可具体包括至少采集单元;而对于所述计算机设备,其可为不同类型的电子设备,包含但不限于有台式电脑、手提电脑等终端。
可见,上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种胎心音去噪方法,其特征在于,包括:
将获取的胎心音音频信号转换成数字信号的重构矩阵;
对所述重构矩阵进行奇异值分解后得到若干个奇异值,反演计算若干个奇异值对应的原始分量信号;
根据若干个所述原始分量信号的频域信号特征,选取出频域信号特征与所述胎心音音频信号的频域信号特征一致的原始分量信号,叠加选取出的原始分量信号后获得胎心音降噪信号。
2.根据权利要求1所述的一种胎心音去噪方法,其特征在于,所述将获取的胎心音音频信号转换成数字信号的重构矩阵这一步骤,其包括:
获取胎心音音频信号;
将所述胎心音音频信号采样转换成数字信号;
根据所述数字信号构建m×n的重构矩阵,其中,m和n均为大于等于2的整数。
3.根据权利要求1所述的一种胎心音去噪方法,其特征在于,所述对所述重构矩阵进行奇异值分解后得到若干个奇异值,反演计算若干个奇异值对应的原始分量信号这一步骤,其包括:
对重构矩阵进行奇异值分解后,得到若干个奇异值;
依次保留奇异值分布矩阵中的一个奇异值后,将剩余奇异值置零,反演计算不为零奇异值的原始分量信号。
4.根据权利要求1所述的一种胎心音去噪方法,其特征在于,所述根据若干个所述原始分量信号的频域信号特征,选取出频域信号特征与所述胎心音音频信号的频域信号特征一致的原始分量信号,叠加选取出的原始分量信号后获得胎心音降噪信号,包括步骤:
对若干个所述原始分量信号进行傅里叶变换处理后获取所述原始分量信号的频域信号;
对所述胎心音音频信号进行傅里叶变换处理后获取所述胎心音音频信号的频域信号;
从若干个所述原始信号分量的频域信号中选取频域信号与所述胎心音音频信号的频域信号的特征一致的原始分量信号;
将选取出的所述特征一致的原始分量信号叠加获得胎心音降噪信号。
5.根据权利要求4所述的一种胎心音去噪方法,其特征在于,还包括步骤:
当选取出的所述特征一致的原始分量信号中包括频域不一致成分,将所述特征一致的原始分量信号作为新的胎心音音频信号后,返回重新执行所述将获取的胎心音音频信号转换成数字信号的重构矩阵这一步骤,直到去掉频域不一致成分为止。
6.一种胎心音去噪系统,其特征在于,包括:
矩阵构建模块,用于将获取的胎心音音频信号转换成数字信号的重构矩阵;
计算模块,用于对所述重构矩阵进行奇异值分解后得到若干个奇异值,反演计算若干个奇异值对应的原始分量信号;
获取模块,用于根据若干个所述原始分量信号的频域信号特征,选取出频域信号特征与所述胎心音音频信号的频域信号特征一致的原始分量信号,叠加选取出的原始分量信号后获得胎心音降噪信号。
7.根据权利要求6所述的一种胎心音去噪系统,其特征在于,所述获取模块包括:
第一获取单元,用于对若干个所述原始分量信号进行傅里叶变换获取所述原始分量信号的频域信号;
第二获取单元,用于对所述胎心音音频信号进行傅里叶变换获取所述音频信号的频域信号;
提取单元,用于从若干个所述原始信号分量的频域信号中选取频域信号与所述音频信号的频域信号的特征一致的原始分量信号;
叠加单元,用于将选取出的所述特征一致的原始分量信号叠加获得胎心音降噪信号。
8.一种胎心音去噪装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-5任一项所述一种胎心音去噪方法。
9.一种存储介质,其中存储有处理器可执行的指令,其特征在于,所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-5任一项所述一种胎心音去噪方法。
10.一种胎心音去噪系统,其特征在于,包括胎心音采集设备以及与所述胎心音采集设备连接的计算机设备;其中,
所述胎心音采集设备,用于对采集胎心音文件;
所述计算机设备包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-5任一项所述一种胎心音去噪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910302397.2A CN110101407B (zh) | 2019-04-16 | 2019-04-16 | 一种胎心音去噪方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910302397.2A CN110101407B (zh) | 2019-04-16 | 2019-04-16 | 一种胎心音去噪方法、系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110101407A true CN110101407A (zh) | 2019-08-09 |
CN110101407B CN110101407B (zh) | 2021-09-07 |
Family
ID=67483847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910302397.2A Active CN110101407B (zh) | 2019-04-16 | 2019-04-16 | 一种胎心音去噪方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110101407B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503060A (zh) * | 2019-08-28 | 2019-11-26 | 中南大学 | 一种光谱信号去噪方法及其系统 |
CN112603358A (zh) * | 2020-12-18 | 2021-04-06 | 中国计量大学 | 一种基于非负矩阵分解的胎心音信号降噪方法 |
CN114259255A (zh) * | 2021-12-06 | 2022-04-01 | 深圳信息职业技术学院 | 一种基于频域信号与时域信号的模态融合胎心率分类方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090112107A1 (en) * | 2007-10-26 | 2009-04-30 | Inovise Medical, Inc. | Combining to a singularity plural-anatomical-site, heart-functionality measurements |
US20090143650A1 (en) * | 2007-11-28 | 2009-06-04 | Regents Of The University Of Minnesota | Miniaturized, dermal-adhesive-based device for position-independent, non-invasive fetal monitoring |
CN101893719A (zh) * | 2010-04-16 | 2010-11-24 | 西安石油大学 | 一种地震纵横波波场分离与去噪方法 |
CN102118350A (zh) * | 2011-03-25 | 2011-07-06 | 河南科技大学 | 基于奇异值分解频域滤波移动WiMAX下行系统信道估计方法 |
CN103116148A (zh) * | 2013-01-30 | 2013-05-22 | 上海理工大学 | 一种核磁共振二维谱反演的方法 |
CN103198836A (zh) * | 2013-02-18 | 2013-07-10 | 机械工业第三设计研究院 | 基于Hilbert变换的欠定声音信号分离方法及装置 |
CN103412325A (zh) * | 2013-07-29 | 2013-11-27 | 中国石油天然气集团公司 | 一种地震纵、横波波场分离与去噪的方法 |
CN104778342A (zh) * | 2014-01-14 | 2015-07-15 | 济南大学 | 一种基于小波奇异熵的心音特征提取方法 |
CN105232023A (zh) * | 2015-10-10 | 2016-01-13 | 四川长虹电器股份有限公司 | 一种胎心音去噪的方法 |
WO2016152566A1 (ja) * | 2015-03-26 | 2016-09-29 | 国立大学法人九州工業大学 | 心音雑音除去装置、その方法及びプログラム |
CN108267730A (zh) * | 2017-12-13 | 2018-07-10 | 广州爱听贝科技有限公司 | 一种用于胎心音监听的辅助定位方法、系统及装置 |
CN108428456A (zh) * | 2018-03-29 | 2018-08-21 | 浙江凯池电子科技有限公司 | 语音降噪算法 |
-
2019
- 2019-04-16 CN CN201910302397.2A patent/CN110101407B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090112107A1 (en) * | 2007-10-26 | 2009-04-30 | Inovise Medical, Inc. | Combining to a singularity plural-anatomical-site, heart-functionality measurements |
US20090143650A1 (en) * | 2007-11-28 | 2009-06-04 | Regents Of The University Of Minnesota | Miniaturized, dermal-adhesive-based device for position-independent, non-invasive fetal monitoring |
CN101893719A (zh) * | 2010-04-16 | 2010-11-24 | 西安石油大学 | 一种地震纵横波波场分离与去噪方法 |
CN102118350A (zh) * | 2011-03-25 | 2011-07-06 | 河南科技大学 | 基于奇异值分解频域滤波移动WiMAX下行系统信道估计方法 |
CN103116148A (zh) * | 2013-01-30 | 2013-05-22 | 上海理工大学 | 一种核磁共振二维谱反演的方法 |
CN103198836A (zh) * | 2013-02-18 | 2013-07-10 | 机械工业第三设计研究院 | 基于Hilbert变换的欠定声音信号分离方法及装置 |
CN103412325A (zh) * | 2013-07-29 | 2013-11-27 | 中国石油天然气集团公司 | 一种地震纵、横波波场分离与去噪的方法 |
CN104778342A (zh) * | 2014-01-14 | 2015-07-15 | 济南大学 | 一种基于小波奇异熵的心音特征提取方法 |
WO2016152566A1 (ja) * | 2015-03-26 | 2016-09-29 | 国立大学法人九州工業大学 | 心音雑音除去装置、その方法及びプログラム |
CN105232023A (zh) * | 2015-10-10 | 2016-01-13 | 四川长虹电器股份有限公司 | 一种胎心音去噪的方法 |
CN108267730A (zh) * | 2017-12-13 | 2018-07-10 | 广州爱听贝科技有限公司 | 一种用于胎心音监听的辅助定位方法、系统及装置 |
CN108428456A (zh) * | 2018-03-29 | 2018-08-21 | 浙江凯池电子科技有限公司 | 语音降噪算法 |
Non-Patent Citations (2)
Title |
---|
ZENG, TAO: "Environmental Noise Elimination of Heart Sound Based on Singular Spectrum Analysis", 《2014 CAIRO INTERNATIONAL BIOMEDICAL ENGINEERING CONFERENCE (CIBEC)》 * |
卢德林: "基于奇异谱分析的心音信号小波包去噪算法研究", 《振动与冲击》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503060A (zh) * | 2019-08-28 | 2019-11-26 | 中南大学 | 一种光谱信号去噪方法及其系统 |
CN112603358A (zh) * | 2020-12-18 | 2021-04-06 | 中国计量大学 | 一种基于非负矩阵分解的胎心音信号降噪方法 |
CN114259255A (zh) * | 2021-12-06 | 2022-04-01 | 深圳信息职业技术学院 | 一种基于频域信号与时域信号的模态融合胎心率分类方法 |
CN114259255B (zh) * | 2021-12-06 | 2023-12-08 | 深圳信息职业技术学院 | 一种基于频域信号与时域信号的模态融合胎心率分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110101407B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110101407A (zh) | 一种胎心音去噪方法、系统、装置及存储介质 | |
CN104706349B (zh) | 一种基于脉搏波信号的心电信号构建方法 | |
CN104367317B (zh) | 多尺度特征融合的心电图心电信号分类方法 | |
US20220343898A1 (en) | Speech recognition method and apparatus, and computer-readable storage medium | |
Ferdi | Some applications of fractional order calculus to design digital filters for biomedical signal processing | |
CN104127194A (zh) | 一种基于心率变异性分析方法的抑郁症的评估系统及方法 | |
CN103117059A (zh) | 一种基于张量分解的语音信号特征提取方法 | |
CN102799892A (zh) | 一种mfcc水下目标特征提取和识别方法 | |
CN111289795A (zh) | 高精度高阶时间重排同步挤压变换时频分析方法 | |
CN111508518A (zh) | 一种基于联合字典学习和稀疏表示的单通道语音增强方法 | |
Giorgio et al. | Improving ECG signal denoising using wavelet transform for the prediction of malignant arrhythmias | |
CN108764184A (zh) | 一种心肺音信号的分离方法、装置、设备及存储介质 | |
Qassim et al. | FPGA implementation of Morlet continuous wavelet transform for EEG analysis | |
CN104463197B (zh) | 基于频谱校正与逆向组合的欠定盲信号分离方法及其装置 | |
Farahabadi et al. | Detection of QRS complex in electrocardiogram signal based on a combination of hilbert transform, wavelet transform and adaptive thresholding | |
Tajane et al. | Comparative analysis of mother wavelet functions with the ecg signals | |
CN116942172A (zh) | 一种基于编解码结构的小波双通道单导联心电去噪方法 | |
CN111631707A (zh) | 心电信号中基线漂移的滤除方法、装置、设备及存储介质 | |
Řondík et al. | Comparison of various approaches for P3 component detection using basic methods for signal processing | |
Zhou et al. | Denoising and baseline correction of ECG signals using sparse representation | |
DE202022100306U1 (de) | Ein System zur Klassifizierung von Melodien mittels Swaragrammdarstellung | |
CN113069115B (zh) | 一种情绪识别方法、电子设备及存储介质 | |
Bhogeshwar et al. | Study of structural complexity of optimal order digital filters for de-noising ECG signal | |
Sunjing et al. | Heart sound signals based on CNN classification research | |
CN111415674A (zh) | 语音降噪方法及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |